基于深度学习的运动想象脑机接口研究综述

近年来,随着脑机接口（Brain-Computer Interface,BCI）技术的进一步发展,对特征提取技术的鲁棒性的需求也持续增加。深度学习（Deep Learning,DL）作为多层次的神经网络模型具有从高维数据中进行特征提取并从分层表示中学习的能力,在分类识别任务领域中的表现优于手工选择特征的传统机器学习方法。深度学习模型可以自动学习高维的EEG数据集从而提取有效特征,因此基于深度学习的脑机接口成为该领域新的研究趋势。卷积神经网络（Convolution Neural Network,CNN）、深度信念网络（Deep Belief Network,DBN）和递归神经网络（Recurrent Neural Network,RNN）是深度学习中对脑电信号进行分析的三大主流算法。主要介绍了这三大主流深度学习算法的基本原理。为了探索能更好契合脑电数据特点的分类模型,还探讨了它们在BCI中集成其他方法的实际运用。     

自适应脑机接口研究综述

脑机接口(BCI)不依赖于外周神经和肌肉,在大脑与外部设备之间建立起直接交流的通路。近年来,该技术在识别准确率和系统交互速率方面已取得巨大突破。然而,脑电(EEG)信号非平稳特性较强且用户主观状态波动较大,传统脑机接口技术对大脑活动的动态变化欠缺适应性,影响了脑机接口系统的控制稳定性,也限制了其智能化发展和应用。自适应脑机接口可根据大脑当前状态动态调整诱发范式和实时更新识别模型,从而增强脑控系统对非平稳大脑活动的适应性,提高其控制精度和鲁棒性,实现更加实用化的脑控系统,对推动脑机接口技术进一步发展极具意义。该文对自适应脑机接口的相关研究进行了回顾和总结,并对该技术未来发展的方向进行了展望。     

基于头皮脑电的游戏型脑机接口应用研究综述

游戏型脑机接口(game-BCI)是指将脑机接口与游戏结合,通过对脑电信号的识别,使用户完成对游戏的直接控制,不仅为健康人提供了新型的游戏交互方式,也为残障人士提供了新的康复治疗途径。相比于其它侵入性BCI,基于头皮脑电的BCI有无创、时间分辨率高、成本低、便携性好等优势,具有更加广泛的应用前景。该文对基于头皮脑电的游戏型脑-机接口技术进行了总结,将其按控制信号类型分为主动式、反应式、被动式以及混合范式,介绍不同类型游戏BCI的控制策略和应用场景,并对比分析了游戏BCI中不同类型脑电信号常采用的分类算法,最后讨论了该领域目前存在的问题和未来的发展方向。     

基于离散小波变换和主分量分析的P300分类算法研究

提出了一种应用离散小波变换(DWT)结合主分量分析(PCA)进行特征提取,然后用支持向量机(SVM)对P300进行分类的算法.该算法首先在一定预处理基础上使用离散小波变换对P300脑电信号分解,然后选取蕴含P300大多数信息的特征尺度进行小波重构,从而达到去噪增强的效果.然后使用PCA进行特征的提取和集中.最后使用支持向量机对提取到的特征分量进行分类.该算法将小波分解和主分量分析结合起来进行特征增强与提取,实验结果表明,该算法能够达到令人满意的正确分类率.     

基于P300脑机接口系统实验范式的研究现状

脑机接口系统是一种无需借助周围神经和肌肉便可与外界交流信息、表达使用者想法的通信系统。在过去20多年,P300电位作为脑机接口技术常用的典型脑电成分一直倍受关注,众多研究者为提高脑机接口系统的性能,相继提出了众多基于P300脑机接口系统的实验范式。在总结归纳的基础上,对使用广泛、性能较优越的3种实验范式进行了论述,并比较总结了其性能,同时分析了影响实验范式的物理属性。最终对脑机接口系统实验范式未来的研究方向进行了展望。     

机-脑接口研究

机-脑接口的一个具体应用是对睡眠的监测和控制。研究发展一种无干扰、不唤醒监测和控制“醒-睡过渡过程”中那些妨碍入睡思维活动的方法。基于Vxworks实时操作系统和ARM微处理器的“微型手腕式嵌入式计算机”。可产生刺激信号,控制、测量、记录、处理使用者的应答信息,分析脑的状态。由于它的微小结构（舍传感器）及其与环境的独立性,保证了使用者无干扰。利用“非限定微行为反应技术”,保证了使用者无唤醒。该方法可将入睡潜伏期测量的精度从十几分钟提高到6S左右,并在小样本实验中有效控制了“醒一睡过渡过程”中那些妨碍入睡的思维活动,显著缩短了入睡时间。为中断那些讨厌的干扰性思维和过多不能控制的焦虑提供了一种新途径。     

基于脑电的快速序列视觉呈现脑-机接口系统研究进展综述

脑-机接口(BCI)系统建立大脑与外部设备之间的直接交流通路,结合快速序列视觉呈现(RSVP)范式能够实现利用人类视觉系统进行高流通量图像目标检索。近些年来,RSVP-BCI系统在范式编码、脑电(EEG)解码和系统应用方面的研究取得了长足的进步。对范式编码的研究揭示不同范式参数对系统性能的影响,促进提升系统性能;脑电解码的研究在提升算法分类性能的同时推动少训练、零训练样本、多模态等场景下的应用;对RSVP-BCI系统应用的研究实现推动系统走向实际应用并拓宽了应用领域。同时,系统仍面临着迈向实际时可应用领域范围窄、脑电跨域解码难题以及计算机视觉飞速进步带来的挑战。该文对RSVP-BCI近年来的相关研究进展进行了回顾与总结,并对未来的发展方向进行了展望。     

基于发音想象的脑机接口的研究综述

脑机接口作为患有交流或肢体障碍的病人与机器设备交流沟通的一种技术，近年来在生物医学工程、康复工程等领域受到广泛关注。基于发音想象的脑机接口作为一种新型的脑机接口方式，由于其具有为患有言语障碍的病人提供有效、舒适的言语交流的潜力，其相关研究正在迅速发展。本文首先介绍常见的基于发音想象的脑机接口所用到的信号采集技术，然后详述现有文献中的相关研究内容和信号处理算法，最后讨论基于发音想象的脑机接口存在的问题以及对未来工作进行展望。      

基于P300的便携式中文输入系统

目前有关中文BCI输入系统的研究仅有拼音输入和笔画输入两种,且都克服不了中文输入速率较低、不便携等问题.据此提出了基于P300的五笔中文输入系统.此系统通过低成本OpenBCI套件,使用Wi-Fi协议传输脑电数据,在移动设备上实现刺激界面,并使用卷积神经网络处理脑电信号.实验表明,该系统具有高中文输入速率、高准确率以及...     

窥探大脑:脑-机接口硬件步出研究领域

软件和硬件方面的进步使得精确而经济的脑-机接口成为可能。一个精确而低成本的BCI(脑机接口)可以帮助实现科幻理想,即不需要说话、打手势,或在键盘上输入,就能与机器通信:你只要思想,机器就会响应。BCI技术不仅是科幻爱好者的天地,它还有着明确的用途:用于瘫痪病人的诊疗设备,或针对大脑状况的研究,如帕金森症或癫痫。     

脑机接口标准化研究

围绕脑机接口标准化研究,中国电子技术标准化研究院提前布局、夯实基础,不仅在国际标准化工作中取得历史性突破,同时统筹推进国内标准化工作,在国际国内标准化顶层设计、标准科研、标准研制等方面取得积极进展,形成“一体两翼”的工作格局。     

基于P300电位的新型BCI中文输入虚拟键盘系统

 近年来各种信号处理技术随着计算能力的提高取得了巨大进展,推动了人机交互(HCI)技术的发展.脑机接口(BCI)是一种特殊的人机交互通道,在最近几年引起广泛关注.P300电位是一种事件相关电位,利用诱发人类P300的原理,可以实现基于P300的BCI系统.此类系统以往常用于英文字母的输入,本研究首次设计并开发了一套进行汉字输入的在线P300-BCI系统.系统利用汉字基于笔画的特性简化了P300诱发界面,并据此设计了相应的汉字虚拟键盘.利用此系统进行的在线输入实验表明,此中文BCI的设计是可行的,对系统的进一步完善将可以为汉语系的瘫痪患者的机能恢复提供新的选项.     

面向中高频SSVEP脑机接口的编解码算法研究

基于稳态视觉诱发电位(steady-state visual evoked potentials,SSVEPs)的脑-机接口系统(brain-computer interface,BCI)通常使用低频强闪烁刺激诱发强特征脑电信号。尽管相关数据处理技术日臻成熟,但是系统使用舒适度差,训练时间较长。提高刺激频率能够有效缓解受试者的视觉疲劳,提高系统友好度,然而现有中高频SSVEP系统又存在指令集数量少、信息传输率(information transfer rate,ITR)低等缺陷。针对以上问题,本文基于中高频SSVEP脑电特征,提出并使用了包含空码的Code Words编码范式与集成任务相关成分分析(ensemble task-related component analysis,eTRCA)解码算法,并研究了该套编解码方法的适用性与可扩展性。本研究选择中高频段的4个频率(20、24、30、40 Hz)分别构建脑控字符拼写系统,单个频率的闪烁刺激可独立构建多达6个控制指令,联合多个频率理论上可实现指令集数量的成倍扩增。共有10位健康受试者参与了离线脑电实验,利用18～60 Hz带通滤波对...     

脑-机接口技术发展

脑-机接口是将人的想法和意图转换为外部设备控制信号的新型通讯系统.文中介绍了BCI系统的组成和工作原理,脑-机接口技术的发展、研究状况及其关键技术,并对其未来发展面对的挑战进行了探讨.     

脑-机接口技术综述

脑-机接口是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道,通过这种通道,人就可以直接通过脑来表达想法或操纵设备,而不需要语言或动作,这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力,以提高患者的生活质量.脑-机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术.本文对脑-机接口技术的发展、研究现状、工作原理以及涉及的关键技术进行了较为详细地综述,在总结脑-机接口技术存在问题的基础上,探讨了该领域进一步研究的方向.     

基于运动想象的异步在线脑-机接口系统

目前,运动想象脑-机接口( motor imagery brain computer interface,MIBCI) 的离线分析和研究相对比较成熟,但是异步在线MIBCI始终具有挑战性。针对在线BCI系统的识别率和控制方式,提出了利用共空间模式(common spatial pattern,CSP)算法对运动想象(motor imagery,MI)进行特征提取并结合alpha波进行异步控制。构建了一种简单实用的自主控制小球运动MIBCI实验系统。有四名受试者参加了在线实验,其中有两名受试者在线运动想象识别正确率最高能达到100%。实验结果验证了本文所建系统的可行性和实用性。      

基于脑-机接口的智能小车系统设计与实现

结合嵌入式系统和脑-机接口技术,构建MindAuto———意念赛车系统。首先以TGAM为核心制作脑电采集设备MindReader,进行脑电数据的采集;其次通过蓝牙将MindReader和PC机相连,将采集到的脑波原始数据raw data、注意力值Attention、放松度值Meditation和眨眼强度值Blink传输到PC机,利用eSense算法将脑电数据进行量化;然后通过蓝牙无线连接到Arduino智能小车平台,通过I/O控制口实现脑波对小车的控制;最后结合多功能轨道模型,实现此控制系统。     

一种新的脑-机接口与上下文感知结合的架构研究

智能感知作为普适计算的关键技术要求精确、高效、无冲突.本文提出一种新的脑-机接口与上下文感知结合的智能感知架构,对上下文信息和用户脑电信号表征意图进行融合,从而提高普适计算感知效率.     

脑-机接口中基于ERS/ERD的自适应空间滤波算法

在与运动相关的脑-机接口(Brain-Computer Interface,BCI)研究中,如果样本规模小,共同空间模式(Common Spatial Patterns,CSP)滤波算法对离群点(可能为噪声)敏感,鲁棒性不好.为此该文提出自适应空间滤波(Adaptive Spatial Filter,ASF)算法,抽取滤波后脑电信号的方差作为特征,并寻找最优滤波器使两类特征中心的比值最大.与CSP不同,ASF是迭代算法,具有软判决机制,能够依据历代更新后的滤波器,自适应地降低离群点对各类特征中心计算带来的影响.采用BCI competition 2003和2005中两套数据集进行实验,结果表明:尤其是在训练样本少的情况下,相对于CSP,ASF所提取的特征分类效果更好.     

运动意图的头皮脑电编解码及其脑-机接口研究进展

基于运动意图的脑-机接口(BCI)对人体运动功能增强、替代和康复具有重要研究意义与应用价值。其中,运动想象(MI)是最常用的表征运动意图的BCI范式。然而,传统MI-BCI通常仅实现不同肢体部位运动意图解码,且识别正确率较低,制约着精细运动控制与康复效果。针对上述问题,近年来研究者在单一肢体特定部位、运动学与动力学意图诱发头皮脑电编解码以及运动意图错误相关电位检测3个方面开展了一系列有意义的探索,并在高自由度的运动指令控制和面向卒中患者的临床康复应用方面取得了较大的研究成果。该文从运动意图的头皮脑电(EEG)编解码相关范式及其BCI应用两个方面综述了本领域研究进展,并探讨当前研究存在的问题和可能的解决方案,以期促进运动意图BCI技术的深入研究及开发应用。